論文の概要: 6G White Paper on Edge Intelligence
- arxiv url: http://arxiv.org/abs/2004.14850v1
- Date: Thu, 30 Apr 2020 15:02:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 05:25:36.941185
- Title: 6G White Paper on Edge Intelligence
- Title（参考訳）: エッジインテリジェンスに関する6gホワイトペーパー
- Authors: Ella Peltonen, Mehdi Bennis, Michele Capobianco, Merouane Debbah,
Aaron Ding, Felipe Gil-Casti\~neira, Marko Jurmu, Teemu Karvonen, Markus
Kelanti, Adrian Kliks, Teemu Lepp\"anen, Lauri Lov\'en, Tommi Mikkonen,
Ashwin Rao, Sumudu Samarakoon, Kari Sepp\"anen, Pawe{\l} Sroka, Sasu Tarkoma,
Tingting Yang
- Abstract要約: 私たちは、エッジコンピューティングインフラストラクチャとプラットフォーム、データとエッジネットワーク管理、エッジのためのソフトウェア開発、セキュリティ、プライバシ、価格、エンドユーザの側面とともに、ML/AIアルゴリズムのリアルタイムおよび分散トレーニングに重点を置いています。
我々は、モノのインターネットからインテリジェントモノのインテリジェントインターネットへの移行を想定し、6Gインテリジェントエッジの開発ロードマップを提供する。
- 参考スコア（独自算出の注目度）: 28.854456451854546
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this white paper we provide a vision for 6G Edge Intelligence. Moving
towards 5G and beyond the future 6G networks, intelligent solutions utilizing
data-driven machine learning and artificial intelligence become crucial for
several real-world applications including but not limited to, more efficient
manufacturing, novel personal smart device environments and experiences, urban
computing and autonomous traffic settings. We present edge computing along with
other 6G enablers as a key component to establish the future 2030 intelligent
Internet technologies as shown in this series of 6G White Papers.
In this white paper, we focus in the domains of edge computing infrastructure
and platforms, data and edge network management, software development for edge,
and real-time and distributed training of ML/AI algorithms, along with
security, privacy, pricing, and end-user aspects. We discuss the key enablers
and challenges and identify the key research questions for the development of
the Intelligent Edge services. As a main outcome of this white paper, we
envision a transition from Internet of Things to Intelligent Internet of
Intelligent Things and provide a roadmap for development of 6G Intelligent
Edge.
- Abstract（参考訳）: このホワイトペーパーでは、6G Edge Intelligenceのビジョンを提供します。
5gと将来の6gネットワークを超えて、データ駆動機械学習と人工知能を利用するインテリジェントなソリューションは、より効率的な製造、新しいパーソナルスマートデバイス環境と経験、都市コンピューティング、自律的な交通設定など、いくつかの現実のアプリケーションで重要になっている。
このシリーズの6G白書に示すように、エッジコンピューティングを他の6Gイネーブラーとともに、将来の2030のインテリジェントインターネット技術を確立する重要な要素として提示する。
本稿では,エッジコンピューティング基盤とプラットフォーム,データとエッジネットワーク管理,エッジのためのソフトウェア開発,ml/aiアルゴリズムのリアルタイムおよび分散トレーニング,セキュリティ,プライバシ,価格,エンドユーザの側面といった領域に注目した。
我々は、主要なイネーブラと課題を議論し、インテリジェントエッジサービス開発における重要な研究課題を特定する。
このホワイトペーパーの主な成果として、モノのインターネットからインテリジェントなモノのインターネットへの移行を想定し、6gインテリジェントエッジの開発ロードマップを提供する。
関連論文リスト
- Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End
Collaboration [56.330705072736166]
基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。
実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
論文 参考訳（メタデータ） (2023-10-26T15:19:40Z) - Large Language Models Empowered Autonomous Edge AI for Connected
Intelligence [51.269276328087855]
エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。
この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
論文 参考訳（メタデータ） (2023-07-06T05:16:55Z) - Optimization Design for Federated Learning in Heterogeneous 6G Networks [27.273745760946962]
フェデレーテッド・ラーニング(FL)は、6GネットワークでユビキタスAIを実現するための重要な実現手段として期待されている。
6Gネットワークにおける有効かつ効率的なFL実装には、いくつかのシステムおよび統計的不均一性の課題がある。
本稿では,これらの課題に効果的に対処できる最適化手法について検討する。
論文 参考訳（メタデータ） (2023-03-15T02:18:21Z) - Deep Edge Intelligence: Architecture, Key Features, Enabling
Technologies and Challenges [0.0]
我々はDeep Edge Intelligence(DEI)という新しいコンピュータビジョンを提案する。
ディープラーニング、人工知能、クラウドとエッジコンピューティング、5G/6Gネットワーク、モノのインターネット、マイクロサービスなどを採用している。
信頼性とセキュアなインテリジェンスサービスを、すべての人や組織に、より優れたユーザエクスペリエンスで提供することを目指している。
論文 参考訳（メタデータ） (2022-10-24T04:18:57Z) - In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile
Networks [61.416494781759326]
In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。
提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。
我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-07T13:41:15Z) - Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and
Applications [39.223546118441476]
6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する
ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。
エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
論文 参考訳（メタデータ） (2021-11-24T11:47:16Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z) - Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。
本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
論文 参考訳（メタデータ） (2020-10-01T02:16:40Z) - Federated Learning for 6G Communications: Challenges, Methods, and
Future Directions [71.31783903289273]
6Gとフェデレーション学習の統合を導入し、6Gのための潜在的なフェデレーション学習アプリケーションを提供する。
6G通信の文脈において,重要な技術的課題,それに対応するフェデレーション学習手法,および今後のフェデレーション学習研究のためのオープンな課題について述べる。
論文 参考訳（メタデータ） (2020-06-04T15:17:19Z) - Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。
このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。
AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
論文 参考訳（メタデータ） (2020-02-22T09:27:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。